一种社交网络中朋友推荐算法的研究

针对云计算环境下的社交网络中朋友推荐中可能存在大量冗余,无效信息等缺点,提出了基于猴群算法的朋友社区推荐方案,该方案利用爬虫程序获得的新浪微博好友数据集,对用户所在的社区进行划分,并进一步使用猴群算法对社区中的朋友链接关系进行了划分.仿真实验中将该算法与基于用户综合相似度的推荐算法在查准率,查全率和F1指标方面进行对比...     

基于用户行为认知的在线社交网络协同推荐

近年来,在线社交网络成为人们工作、生活不可或缺的信息共享与交流工具,如何对海量庞杂、大范围时空关联的用户行为信息进行认知并据此提供个性化的推荐服务,已成为在线社交网络发展重点关注的问题。为此,提出了一种基于用户行为认知的在线社交网络协同推荐框架,在对用户特征、文本信息及兴趣偏好等行为进行认知的基础上,利用协同过滤算法,实现个性化的推荐服务。实验结果验证了提出的基于用户行为认知的协同推荐策略具有较好的稳定性和实际应用效果。     

在线社交网络中的病毒免疫

近年来,随着在线社交网络的发展,人们在移动设备上进行社交活动正变得越来越频繁.然而,系统平台的开放使得病毒及恶意软件能够在手机移动网络上利用社交信息进行传播.所以我们需要找到一种免疫策略,从而快速地阻止网络中的病毒传播.现有的针对在线社交网络的免疫策略无法适应实际的网络结构.因此,我们提出了基于目标免疫策略的模型,通过分析用户的社交信息,制定更为有效的免疫策略.分析比较两种策略下社交网络中的病毒感染情况,我们发现基于目标免疫策略的模型比现有模型更为快速有效.     

在线社交网络群体发现研究进展

群体是在线社交网络重要的中观组织。群体发现不仅有重要的理论意义,还推动了在线社交网络的应用与发展,有广泛的应用前景。该文总结论述了在线社交网络群体发现的研究进展。在分析群体形成机理的基础上定义在线社交网络群体,并介绍群体发现问题。根据挖掘群体时采用的不同特征,该文分别阐述基于个体属性特征的群体发现方法和综合属性与结构特征的群体发现方法。随后从特征选取和检测算法两个方面重点介绍了恶意行为群体的发现方法。最后,对群体发现进一步的研究方向进行展望。     

一种基于云模型的社交网络推荐系统评分预测方法

本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题,围绕社交推荐的特点,设计实现一种社交网络评分预测方法.首先,针对评分主观性问题,引入并优化相关云模型理论,提出采用综合云模型生成评分标准并转化用户评分的方法.其次,针对预测不准确问题,通过引入隶属度达到数据降维和目标用户定位的作用,同时考虑到社交网络用户关系对评分结果的影响,分别利用社交关系及相似群体建立两个评分预测模型,并基于高斯变换融合两部分预测结果生成预测评分.实验表明,该方案不仅克服了用户评分主观性,同时有效改善了用户评分数据稀疏情况下传统预测方法准确度偏差的问题.     

基于社交网络的舆情安全形势分析

社交网络在为广大网民提供自由交流的同时,也成为网络舆情的主要发源地。文中从网络舆情的产生和传播特点出发,对目前中国网络信息安全形式进行了深入分析,介绍了网络突发事件、热点事件在舆情产生中的作用,指出了正确引导舆情的策略方法。分析认为,网络舆情关系到国家安全和社会稳定,提高网络国防意识,保卫网络边疆,对网络舆情进行有效监控和正确引导刻不容缓。     

社交网络招聘:颠覆在线招聘市场

8月5日,全球最大网络招聘公司Monster发布的财报显示,第二季度营收为2.37亿美元,较上年同期的2.70亿美元下滑12.2％;净利润为500万美元,较上年同期的1100万美元下滑54.5％.就在同时,全球最大的职业社交网站LinkedIn发布的财报则显示,第二季度营收比去年同期的1.21亿美元增长89％,达到2.282亿美元,超过分析师预期的2.165亿美元.     

在线社交网络用户间影响量化的贝叶斯模型

传统的模型专注于合作网络等社交网络,并不完全适用于在线社交网络.而现有的针对在线社交网络的模型简单,片面,缺乏准确性.因此我们提出了基于贝叶斯观点的模型,通过集成在线社交网络提供的有用信息来量化用户间的影响.通过分析对比贝叶斯模型与现有模型找到的影响者,我们发现贝叶斯模型比现有的模型更准确和全面.     

一种基于社交网络社区的组推荐框架

面向用户群组的推荐主要面临如何有意义地对群组进行定义并识别,以及向群组内用户进行有效推荐两大问题。该文针对已有研究在用户群组定义解释性不强等存在的问题,提出一种基于社交网络社区的组推荐框架。该框架利用社交网络结构信息发现重叠网络社区结构作为用户群组,具有较强的可解释性,并根据用户与群组间的隶属度制定了考虑用户对群组贡献与用户从群组获利的4种聚合与分配策略,以完成组推荐任务。通过在公开数据集上与已有方法的对比实验,验证了该框架在组推荐方面的有效性和准确性。     

基于社交网络的商品推荐相关专利数据分析

近年来,各国企业及科研机构对基于社交网络的商品推荐相关技术的重视程度越来越高,因此,对该领域相关的专利数据进行分析,有利于创新主体了解该领域的专利申请和保护现状,有利于围绕该领域专利申请做好专利布局,为产业运行决策提供依据.本文基于德温特数据库,提取出发明内容涉及基于社交网络的商品推荐相关技术的专利数据,以此分别进行专...     

基于霍克斯过程的社交网络用户关系强度模型

社交网络节点之间的关系强度建模是研究信息传播、实现推荐服务等社交网络服务的关键.传统关系强度模型主要研究简单二元关系与静态关系,未考虑用户交互影响及其动态衰减.本文提出一种基于霍克斯过程的社交网络用户关系强度模型,将用户关系强度视为潜在因子,用户相似性与历史交互行为分别视为潜在因子诱因与表象,并使用霍克斯过程刻画历史交互行为与用户关系强度之间的关系,解决了已有模型未考虑用户历史交互影响及其动态衰减的问题.采用微博社交网络数据对模型进行的评估表明,本模型可以提高用户关系强度预测精度以及基于关系强度排序Top-N邻居节点的覆盖率.     

基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.     

基于社交网络结构的节点影响力度量方法

度量社交网络节点影响力是社交网络结构分析的关键问题之一。目前研究社交网络节点影响力的方法主要有两大类：中心度方法和节点删除方法。前者主要通过度或最短路径等因素来判断节点的影响力,不考虑网络的连通性;后者通过节点删除后对网络结构的破坏程度来判断,计算复杂性很高,不适用于较大规模的社交网络。通过结合社交网络的局部连通度及节点间的最短路径,提出了连通中心度来度量社交网络中节点的影响力,并给出了连通中心度的计算方法和一些特殊网络中节点的连通中心度的值。最后,通过实验说明该指标能很好地度量社交网络中节点的影响力。     

基于向量相似的权重社会网络隐私保护

针对权重社会网络发布,提出采用基于向量相似的随机扰动方法实现多个发布场景下网络结构和边权重的隐私保护.该方法以边空间理论为基础,采用基于节点聚类的分割方法构建权重社会网络的向量集模型;以加权欧氏距离作为向量相似的度量标准,根据选定阈值构建发布候选集;从候选集随机选取向量实现权重社会网络的发布;可抵御多种节点识别攻击,迫使攻击者在一个向量发生概率相同的庞大结果集中进行重识别,增加了识别的不确定性.实验结果表明,该方法在确保社会个体隐私安全同时可保护社会网络分析所需的某些结构特征,提高发布数据效用.     

An Adaptive Resource Management Architecture for Active Networks

This paper presents a framework for resource management in highly dynamic active networks. The goal is to allocate and manage node resources in an efficient way while ensuring effective utilization of network and supporting load balancing. The framework supports co-existence of active and non-active nodes and proposes a novel Directory Service (DS) architecture that can be used to discover the suitable active nodes in the Internet and for selecting the best network path (end-to-end) and reserving the resources along the selected path. Intranode and internode resource management are facilitated through the DS, while within an active node the framework implements a composite scheduling scheme to schedule both the CPU and bandwidth resources to resolve the combined resource scheduling problems. In addition, a flexible active node database system and a simple adaptive prediction technique have been introduced in order to resolve the challenging problem of determining the CPU requirements of the incoming packets.     

一种分布式网络中轮廓推荐的有效方法

当底层数据的容量以及轮廓推荐指令个数增大时,轮廓推荐的时间代价将呈指数级增长,从而严重影响其推荐效率。为此,基于超对等分布式网络(SPA),该文提出预存储w个轮廓快照来高效处理系统中u个轮廓推荐指令的分布式网络轮廓推荐算法(EMSRDN)。EMSRDN算法充分考虑SPA网络的数据存储和通信特性,利用map/reduce分布式计算模型,通过初始快照集启发式构造来快速产生最优w个轮廓快照。理论分析和仿真实验表明,该算法具有有效性和实用性。     

一种自适应的太赫兹无线个域网高效定向MAC协议

针对现有太赫兹无线个域网定向MAC协议存在的波束训练开销和入网时延偏大以及Beacon, S-CAP时段时隙利用不足问题,该文提出一种自适应的定向MAC协议——AD-MAC,自适应地在静态场景下采用全网协同波束训练,在动态场景下节点基于历史信息快速回复波束训练帧,同时使用反向监听策略减小同扇区节点的帧碰撞概率,并且通过时隙复用在Beacon和S-CAP时段并行发送控制帧和数据帧。理论分析表明了AD-MAC协议的有效性,仿真结果显示：相较于ENLBT-MAC等典型协议,AD-MAC在静态场景下的波束训练开销和节点平均入网时延分别降低了约21.84%和22.70%,在动态场景下上述二指标则分别减小了约18.7%和13.07%。

     

一种无线传感器网络自适应协同通信路由协议

无线传感器网络的重要应用特性是具有感测信息的传感节点形成一个自适应本地网络,由中心节点执行不同的协作信息处理任务。该文基于互信息量分析了不同中心节点选择机制的开销性能,证明了基于扩散计算的选择机制的开销有效性;提出一种自适应协同通信路由协议(ACCRP)：节点以分布式的方式选择中心节点并建立传输路径;分析讨论了ACCRP的性能参数;并通过实验验证了ACCRP是能源有效的、可扩展的自适应路由协议。     

车载网络中提高公平性的数据包大小自适应调节方案

双向路的车载网络中,两个方向上的数据流在竞争信道时存在严重的不公平现象,使得网络性能急剧下降.针对这种不公平问题,本文经理论分析得出数据包大小Packet与相向行驶车辆间的相对速度V、数据流接入信道几率P及数据流的平均吞吐率Throughput存在的函数关系,提出一种数据包大小自适应调节方案.模拟仿真表明,该方案有效的提高了信道竞争的公平性并能够保证每条数据流相对较高的平均吞吐率.而后本文定义了"SRTS/SCTS"并给出了车辆间相对速度V的获取过程.